Im März dieses Jahres wurde das skalierbare L1-Blockchain-Netzwerk Artela Einführung von EVM++, einem Upgrade, das auf die nächste Generation der EVM-Execution-Layer-Technologie abzielt. Das erste "+" in EVM++ steht für "Erweiterbarkeit", die durch die Aspect-Technologie erreicht wird, um Entwickler bei der Erstellung von benutzerdefinierten On-Chain-Programmen in einer WebAssembly-Umgebung (WASM) zu unterstützen. Diese Programme können mit EVM zusammenarbeiten, um leistungsstarke, maßgeschneiderte anwendungsspezifische Erweiterungen für dApps bereitzustellen. Das zweite "+" steht für "Skalierbarkeit", die durch parallele Ausführungstechniken und das Design von elastischem Blockraum erreicht wird, wodurch die Verarbeitungskapazität und Effizienz des Netzwerks erheblich verbessert wird.

WebAssembly (WASM) ist ein effizientes binäres Codeformat, das in der Lage ist, nahezu native Ausführungsgeschwindigkeiten in Webbrowsern zu erreichen, wodurch es besonders geeignet ist, rechenintensive Aufgaben wie KI und die Verarbeitung von großen Datenmengen zu bewältigen.

Gestern hat Artela einen Block veröffentlicht.WhitepaperDetails, wie es die Skalierbarkeit der Blockchain durch die Entwicklung von parallelen Ausführungsstapeln und die Einführung von elastischem Blockraum auf der Grundlage elastischer Rechenprinzipien verbessert.

Die Bedeutung der parallelen Verarbeitung

In der traditionellen Ethereum Virtual Machine (EVM) müssen alle Operationen und Zustandsübergänge von Smart Contracts global konsistent über das Netzwerk sein. Dies erfordert, dass alle Knoten die gleichen Transaktionen in derselben Reihenfolge ausführen, auch wenn einige Transaktionen keine tatsächlichen Abhängigkeiten zwischen ihnen haben. Dies führt zu einer sequenziellen Verarbeitung, die zu unnötigen Verzögerungen und Ineffizienzen führt.

Parallelverarbeitung ermöglicht es mehreren Prozessoren oder Rechenkernen, mehrere Rechenaufgaben oder die gleichzeitige Verarbeitung von Daten auszuführen, was die Verarbeitungseffizienz erheblich verbessert und die Ausführungszeit vor allem bei komplexen oder groß angelegten Rechenproblemen, die in unabhängige Aufgaben unterteilt werden können, reduziert. Die parallele EVM erweitert oder verbessert die traditionelle EVM, indem sie die gleichzeitige Ausführung mehrerer Smart Contracts oder Vertragsfunktionsaufrufe ermöglicht und so die Gesamtdurchsatzleistung und Effizienz steigert. Darüber hinaus optimiert sie die Effizienz im Vergleich zur Einzelthreadausführung. Der Hauptvorteil der parallelen EVM besteht darin, dezentralisierten Anwendungen zu ermöglichen, eine Leistung zu erzielen, die mit der des Internets vergleichbar ist.

Artela Network und EVM++

Artela ist ein L1, das die Skalierbarkeit und Leistung des EVM durch die Einführung von EVM++ verbessert. EVM++ aktualisiert die EVM-Ausführungsschicht, integriert die Flexibilität von EVM mit der hohen Leistung von WASM. Diese verbesserte virtuelle Maschine unterstützt parallele Verarbeitung und effiziente Speicherung, was komplexere und leistungsintensive Anwendungen ermöglicht, die auf Artela ausgeführt werden. EVM++ unterstützt nicht nur traditionelle Smart Contracts, sondern ermöglicht auch die dynamische Hinzufügung und Ausführung von High-Performance-Modulen on-chain, wie z.B. KI-Agenten, die als on-chain-Co-Prozessoren unabhängig laufen oder direkt an on-chain-Spielen teilnehmen können und somit wirklich programmierbare NPCs schaffen.

Artela stellt sicher, dass die Rechenleistung der Netzwerkknoten durch ihr paralleles Ausführungsdesign flexibel an die Nachfrage angepasst werden kann. Darüber hinaus unterstützen Validator-Knoten die horizontale Skalierung, sodass das Netzwerk automatisch die Skalierung der Rechenknoten basierend auf der aktuellen Last oder Nachfrage anpassen kann. Dieser Skalierungsprozess wird von einem elastischen Protokoll koordiniert, um ausreichende Rechenressourcen im Konsensnetzwerk sicherzustellen. Durch die Garantie einer skalierbaren Rechenleistung durch elastisches Computing erreicht Artela einen elastischen Blockraum, der es großen dApps ermöglicht, unabhängigen Blockraum auf der Grundlage spezifischer Bedürfnisse zu beantragen. Dies erfüllt nicht nur den Bedarf an erweiterbarem öffentlichem Blockraum, sondern gewährleistet auch die Leistung und Stabilität großer Anwendungen.

Ausführliche Erklärung der parallelen Ausführungsarchitektur von Artela

1. Vorhersagende optimistische Ausführung

Prädiktive optimistische Ausführung ist eine der Kerntechnologien von Artela und unterscheidet sie von anderen parallelen EVMs wie Sei und Monad. Optimistische Ausführung bezieht sich auf eine parallele Ausführungsstrategie, die zunächst davon ausgeht, dass es keine Konflikte zwischen Transaktionen gibt. In diesem Mechanismus behält jede Transaktion eine private Version des Zustands bei, in der Änderungen aufgezeichnet werden, ohne sie sofort abzuschließen. Nach der Transaktionsausführung überprüft eine Validierungsphase Konflikte, die durch globale Zustandsänderungen aus gleichzeitigen Transaktionen im gleichen Zeitraum verursacht werden. Werden Konflikte erkannt, werden Transaktionen erneut ausgeführt. Die Vorhersage beinhaltet die Verwendung spezifischer KI-Modelle zur Analyse historischer Transaktionsdaten, um Abhängigkeiten zwischen Transaktionen vorherzusagen, die ausgeführt werden sollen, und zu identifizieren, welche Transaktionen auf dieselben Daten zugreifen könnten. Basierend auf dieser Analyse werden Transaktionen gruppiert und ihre Ausführungsreihenfolge wird angeordnet, um Konflikte und redundante Ausführungen zu reduzieren.

Im Gegensatz dazu setzt Sei darauf, dass Entwickler Transaktionsabhängigkeiten im Voraus über Dateien definieren, während Monad Compiler-Level-Statikanalyse verwendet, um Transaktionsabhängigkeitsdateien zu generieren. Weder Sei noch Monad erreichen EVM-Äquivalenz und mangelt es an Artelas anpassungsfähiger Fähigkeit auf der Grundlage von KI-gesteuerten dynamischen Vorhersagemodellen.

2. Asynchrones Vorladen

Asynchrone Vorabladetechnologie zielt darauf ab, die Ein- und Ausgabebottlenecks, die durch den Zugriff auf den Zustand verursacht werden, zu beheben, mit dem Ziel, die Datenabrufgeschwindigkeit zu verbessern und die Wartezeiten für die Transaktionsausführung zu reduzieren. In Artela wird vor der Ausführung von Transaktionen der erforderliche Zustandsdaten aus langsamen Speichern (wie Festplatten) anhand prädiktiver Modelle in schnelle Speicher (wie Speicher) vorabgeladen. Dieses proaktive Laden der erforderlichen Daten minimiert die I/O-Wartezeiten während der Ausführung. Mit vorabgeladenen und zwischengespeicherten Daten können mehrere Prozessoren oder Ausführungsthreads gleichzeitig auf diese Daten zugreifen, was die Ausführungsparallelität weiter erhöht.

3. Parallelspeicher

Mit der Einführung der Parallel Execution-Technologie kann die Transaktionsverarbeitung parallelisiert werden, aber wenn die Geschwindigkeit des Datenlesens, -schreibens und -aktualisierens nicht synchronisiert werden kann, wird dies zu einem entscheidenden Faktor, der die Gesamtsystemleistung einschränkt. Folglich verschiebt sich das Flaschenhals allmählich auf die Speicherebene. Lösungen wie MonadDB und SeiDB haben begonnen, sich auf die Optimierung der Speicherebene zu konzentrieren. Artela greift auf und integriert verschiedene reife traditionelle Datenverarbeitungstechniken, um parallelen Speicher zu entwickeln und die Effizienz der parallelen Verarbeitung weiter zu erhöhen.

Parallele Speichersysteme sind hauptsächlich darauf ausgelegt, zwei Hauptprobleme zu lösen: die parallele Verarbeitung von Speicherung und die Verbesserung der effizienten Aufzeichnung von Datenzuständen in Datenbanken. Zu den häufigen Herausforderungen bei der Datenspeicherung gehören die Dateninflation während Schreibvorgängen und der erhöhte Druck auf die Datenbankverarbeitung. Um diese Probleme effektiv anzugehen, verwendet Artela eine Trennungsstrategie zwischen State Commitment (SC) und State Storage (SS). Diese Strategie teilt Speicheraufgaben in zwei Teile auf: Ein Teil verarbeitet Operationen, die eine schnelle Verarbeitung erfordern, ohne komplexe Datenstrukturen zu speichern, wodurch Platz gespart und Datenredundanz reduziert wird; der andere Teil ist für die umfassende Aufzeichnung detaillierter Dateninformationen verantwortlich.

Darüber hinaus setzt Artela zur Aufrechterhaltung der Leistung bei der Verarbeitung großer Datenmengen eine Methode zur Aggregation kleiner Datenblöcke zu größeren ein, um die Komplexität der Datenspeicheroperationen zu reduzieren.

4. Elastischer Block Space (EBS)

Artelas Elastic Block Space (EBS) ist konzipiert auf der Grundlage des Konzepts des elastischen Rechnens und ermöglicht die automatische Anpassung der Anzahl von Transaktionen, die ein Block je nach Netzwerkauslastung aufnehmen kann.

Elastisches Computing ist ein Cloud-Computing-Service-Modell, das Systemen ermöglicht, die Konfiguration von Rechenressourcen automatisch an die sich ändernden Arbeitslastanforderungen anzupassen. Das Hauptziel besteht darin, die Effizienz der Ressourcennutzung zu optimieren und eine schnelle Bereitstellung zusätzlicher Rechenleistung bei steigender Nachfrage sicherzustellen.

EBS passt die Blockressourcen dynamisch an die spezifischen Anforderungen von dApps an und bietet unabhängigen Skalierungsblockraum für stark nachgefragte dApps. Dies zielt darauf ab, signifikante Unterschiede in den Leistungsanforderungen von Blockchains für verschiedene Anwendungen zu adressieren. Der Kernvorteil von EBS liegt in der „vorhersehbaren Leistung“, wodurch dApps eine vorhersehbare Transaktionen pro Sekunde (TPS) erhalten. Somit genießen dApps mit unabhängigem Blockraum unabhängig von Staus im öffentlichen Blockraum eine stabile TPS. Darüber hinaus können dApps mit Verträgen, die parallele Verarbeitung unterstützen, sogar eine höhere TPS erreichen. Im Wesentlichen bietet EBS im Vergleich zu traditionellen Blockchain-Plattformen wie Ethereum und Solana eine stabilere Umgebung, die oft Leistungseinbußen während Netzwerkstaus, wie während NFT-Booms oder DeFi-Spitzen, erfahren. Artela löst solche Probleme effektiv durch maßlgeschneidertes und optimiertes Ressourcenmanagement.

Zusammenfassend erreicht Artela durch seinen parallelen Ausführungsstapel und Elastic Block Space (EBS) eine hohe Skalierbarkeit und eine vorhersehbare Netzwerkperformance. Diese parallele Ausführungsarchitektur verwendet KI-Modelle, um Transaktionsabhängigkeiten genau vorherzusagen und Konflikte und redundante Ausführungen zu reduzieren. Darüber hinaus können große Anwendungen bei Bedarf auf dedizierte Verarbeitungsleistung und Ressourcen zugreifen, um auch unter hoher Netzwerklast eine stabile Leistung zu gewährleisten. Diese Fähigkeit ermöglicht es dem Artela-Netzwerk, komplexere Anwendungsfälle wie Echtzeit-Big-Data-Verarbeitung und anspruchsvolle Finanztransaktionen zu unterstützen.

Erklärung:

1. Dieser Artikel stammt aus [ChainFeeds Forschung], das Urheberrecht gehört dem ursprünglichen Autor [ 0XNATALIE], wenn Sie Einwände gegen den Nachdruck haben, wenden Sie sich bitte an den Gate LearnTeam, und das Team wird es so bald wie möglich gemäß den relevanten Verfahren bearbeiten.

2. Haftungsausschluss: Die in diesem Artikel geäußerten Ansichten und Meinungen stellen nur die persönlichen Ansichten des Autors dar und stellen keine Anlageberatung dar.

3. Andere Sprachversionen des Artikels werden vom Gate Learn-Team übersetzt und werden nicht erwähnt in Gate.io, der übersetzte Artikel darf nicht reproduziert, verteilt oder plagiiert werden.